基于RS與GIS的城市邊緣空間擴(kuò)張趨勢預(yù)測仿真

靳云龍,呂 靜,馮志佰,尹鈺博

(1. 吉林建筑大學(xué)建筑與規(guī)劃學(xué)院,吉林 長春130000;2. 長春師范大學(xué)地理科學(xué)學(xué)院,吉林 長春 130000)

1 引言

現(xiàn)階段,隨著我國經(jīng)濟(jì)體的不斷發(fā)展及城市建設(shè)的不斷發(fā)展,城市和農(nóng)村等地的土地利用動(dòng)態(tài)都發(fā)生了巨大的變化。根據(jù)當(dāng)?shù)亟?jīng)濟(jì)體制的改革、工業(yè)、農(nóng)業(yè)的生產(chǎn)方向變化,城市分化為中心體及邊緣體兩種形式。中心體一般位于城市的中心樞紐地帶,也是經(jīng)濟(jì)發(fā)展的中心;而邊緣體位于邊緣地帶,是城市進(jìn)行擴(kuò)張建設(shè)的重點(diǎn)及利用點(diǎn)。對(duì)于存在發(fā)展目標(biāo)的城市來說,邊緣體才是主要的開發(fā)對(duì)象,為保證空間擴(kuò)張的準(zhǔn)確性和有效性,根據(jù)近年來城市規(guī)劃目標(biāo),對(duì)可行范圍進(jìn)行擴(kuò)張預(yù)測。

文獻(xiàn)[1]提出一種基于空間區(qū)位條件的城市用地?cái)U(kuò)張預(yù)測算法。對(duì)待檢測區(qū)域的地質(zhì)特征、面積、硬度以及濕度等屬性信息進(jìn)行采集,利用聚類模型劃分相同屬性特征的區(qū)域,計(jì)算該區(qū)域值在時(shí)間序列下的熵值系數(shù),得到下一時(shí)刻的狀態(tài)值。但是只考慮時(shí)間關(guān)系,預(yù)測結(jié)果會(huì)存在很大誤差;文獻(xiàn)[2]則提出一種多元主體視角下大城市邊緣區(qū)空間治理預(yù)測算法。設(shè)置包含多個(gè)主體的預(yù)測模型,計(jì)算待檢測區(qū)域作為模型主體時(shí)的向量完成預(yù)測。該方法沒有考慮到自然災(zāi)害因素的影響,受干擾概率大,容易出現(xiàn)誤差影響。

基于上述問題,本文利用RS與GIS技術(shù)的數(shù)據(jù)采集特點(diǎn),分析預(yù)測地的歷史數(shù)據(jù)變化,給出適配性最高的采集方案。根據(jù)數(shù)據(jù)的時(shí)序變化進(jìn)行干擾項(xiàng)去噪,降低因外界風(fēng)力、風(fēng)向、暴雨、雷電以及人為因素的影響。建立預(yù)測空間,通過空間內(nèi)包含的占地面積、預(yù)測地面積以及房屋數(shù)據(jù)的預(yù)測點(diǎn),獲得狀態(tài)觀測序列實(shí)時(shí)狀態(tài)值,預(yù)測出每個(gè)數(shù)據(jù)的擴(kuò)張比例系數(shù)。該方法可精準(zhǔn)預(yù)測不同類型的目標(biāo)數(shù)據(jù),通過狀態(tài)序列獲取到的觀測數(shù)據(jù)時(shí)效性強(qiáng),以空間模擬的形式減少普通算法容易出現(xiàn)的誤差影響。算法整體邏輯表達(dá)能力強(qiáng),計(jì)算過程簡單易實(shí)現(xiàn)。

2 基于RS與GIS的城市邊緣數(shù)據(jù)采集與去噪

RS(Remote Sensing)遙感技術(shù)具有實(shí)時(shí)性強(qiáng)、檢測周期小、數(shù)據(jù)反饋速度快以及準(zhǔn)確性高的特點(diǎn)[3],可為擴(kuò)張預(yù)測方法提供強(qiáng)大的數(shù)據(jù)源支持。GIS(Geographic Information System)地理信息系統(tǒng)技術(shù),具有覆蓋面積大的特點(diǎn)。本文結(jié)合這兩種技術(shù)進(jìn)行趨勢預(yù)測,可實(shí)時(shí)掌握待預(yù)測土地的動(dòng)態(tài)數(shù)據(jù)、擴(kuò)張模式以及利用率指數(shù)等信息的變化,來計(jì)算模擬各個(gè)擴(kuò)張關(guān)鍵參數(shù)的轉(zhuǎn)換特征,為后續(xù)的預(yù)測結(jié)果打下良好基礎(chǔ)。對(duì)于RS采集來說,不同的光譜顏色會(huì)帶來不同的采集效果,其關(guān)鍵參數(shù)如表1所示。

表1 RS遙感圖像關(guān)鍵參數(shù)

通過分析歷史地理信息數(shù)據(jù)庫中遙感圖像噪聲數(shù)據(jù)特點(diǎn),參照國家給出的既定標(biāo)準(zhǔn)值,得出存在地理或天氣因素影響的遙感噪聲[4]為

(1)

公式中,ι表示去噪系數(shù)[5];C1表示地質(zhì)災(zāi)害引起的噪聲值;C2表示地形地貌引起的噪聲值;C3表示斷裂構(gòu)造[6]引起的噪聲值;C4表示地震環(huán)境引起的噪聲值。根據(jù)該公式計(jì)算得出的調(diào)節(jié)系數(shù)ι即可實(shí)現(xiàn)精準(zhǔn)去噪。

3 城市邊緣預(yù)測空間建立

預(yù)測空間是一種可以描述數(shù)據(jù)時(shí)間離散關(guān)系的空間,在該空間中可通過每個(gè)數(shù)據(jù)在時(shí)間序列[7]上的實(shí)時(shí)狀態(tài)閾值,來獲取下一時(shí)刻的狀態(tài)閾值。

假設(shè),整個(gè)城市邊緣空間擴(kuò)張的范圍為一個(gè)時(shí)間不變的線性變化現(xiàn)象,整體變化規(guī)律性較強(qiáng),這樣就可通過CARAM(Content Addressable Random Access Memory)內(nèi)容定址隨機(jī)存取存儲(chǔ)器模型進(jìn)行具體描述[8],求得空間維度和時(shí)間序列等值,具體表達(dá)公式為

C(p-1)x(l)=A(p-1)y(l)+B(p-1)z(l)

(2)

或

(3)

式中,x(l)、y(l)、z(l)分別表示隨機(jī)模型的控制輸入值、輸出值和標(biāo)準(zhǔn)值;A(p-1)、B(p-1)、C(p-1)分別表示根據(jù)三個(gè)值檢測到的數(shù)據(jù)集序列;p-1表示后移算子;l表示空間維度[9]。

利用隨機(jī)模型并結(jié)合(2)、(3)描述預(yù)測空間中的數(shù)據(jù)時(shí)間序列

(4)

式中,α、β、χ、δ、ε均表示數(shù)據(jù)的時(shí)間序列向量值[10]。基于此,得到時(shí)間序列向量矩陣為

(5)

式中,ei、fi分別對(duì)應(yīng)預(yù)測空間的各方位的信息響應(yīng)域[11]及數(shù)據(jù)流域[12]。

對(duì)于屬于單方位響應(yīng)序列中的數(shù)據(jù),根據(jù)信息流變化規(guī)律推導(dǎo)得出控制輸入值x(l)、輸出值y(l)、標(biāo)準(zhǔn)值z(mì)(l)之間的流域關(guān)系,即

(6)

通過該公式得出的空間流域狀態(tài)ζ,能夠驗(yàn)證式(5)向量矩陣的可行性。將歷史的擴(kuò)張數(shù)據(jù)輸入到矩陣中,即可得到信息響應(yīng)域及數(shù)據(jù)流域分布最為合理的預(yù)測空間。

4 城市邊緣空間預(yù)測算法實(shí)現(xiàn)

根據(jù)上述式(2)得出的CARAM隨機(jī)儲(chǔ)存模型,對(duì)預(yù)測空間中的待預(yù)測數(shù)據(jù)集序列A(p-1)、B(p-1)、C(p-1)進(jìn)行實(shí)時(shí)狀態(tài)表達(dá)為

A′(p-1)=1+q1p-1+q2p-1+…+qnp-n-1

B′(p-1)=1+w1p-1+w2p-1+…+wnp-1n+1

C′(p-1)=1+r1p-1+r2p-1+…+rnpn+1

(7)

其數(shù)據(jù)節(jié)點(diǎn)間中的對(duì)應(yīng)狀態(tài)如下

x(l+1)=αA′(l)+βy′(k)+χz′(k)

y(k)=x(l)+B′(l)=A′(l)+εC′(l)

(8)

待預(yù)測數(shù)據(jù)的時(shí)間序列的向量矩陣Q″為

(9)

利用數(shù)據(jù)數(shù)學(xué)歸納模型[13],將上述輸出值根據(jù)實(shí)際考察的屬性特征,例如占地面積[14]、預(yù)測地的面積以及城市數(shù)據(jù)量等,進(jìn)行歸納輸出

(10)

式中,λki表示在預(yù)測空間k中的第i個(gè)待預(yù)測區(qū)域的實(shí)際占地面積;?ki表示在預(yù)測空間k中的第i個(gè)待預(yù)測區(qū)域的預(yù)測占地面積;ωi表示發(fā)展?jié)摿?quán)重[15];ρ表示城市邊緣空間擴(kuò)張范圍內(nèi)擴(kuò)張比例系數(shù)。

5 仿真研究

5.1 仿真設(shè)置

仿真以某城市為研究對(duì)象,該城市人口約為205萬人,用于建設(shè)的用地面積約為89km2。近5年來,城市規(guī)模不斷擴(kuò)張,已經(jīng)從單方向轉(zhuǎn)為多方向快速發(fā)展,邊緣城市周圍多為耕地、林地、草地、水域以及山林等區(qū)域。

本次仿真將從中挑選最具有代表性的林地、耕地、以及水域覆蓋面積為評(píng)價(jià)指標(biāo),預(yù)測2021年6月以后,城市邊緣接下來10個(gè)月的擴(kuò)張趨勢。將實(shí)際擴(kuò)張數(shù)據(jù)作為參考值,與基于空間區(qū)位條件的擴(kuò)張預(yù)測法、基于多元主體視角空間預(yù)測法進(jìn)行對(duì)比分析。仿真數(shù)據(jù)均來自MYSQL數(shù)據(jù)庫中,其中包含各類RS與GIS地理數(shù)據(jù),覆蓋面廣、數(shù)據(jù)容納量大,地域數(shù)據(jù)及原始面積如表2所示。

表2 擴(kuò)張地域原始面積參數(shù)

5.2 城市房屋擴(kuò)張趨勢可視化預(yù)測結(jié)果對(duì)比

采用RS圖像判定三種方法房屋擴(kuò)張預(yù)測的結(jié)果,如圖1所示。

圖1 仿真預(yù)測結(jié)果

從圖1中可以看出,本文方法的擴(kuò)張預(yù)測效果是最佳的,對(duì)比已擴(kuò)張完成及正在擴(kuò)張的區(qū)域,是與實(shí)際變化吻合度最高的,符合實(shí)際標(biāo)準(zhǔn)?；诳臻g區(qū)位條件的法整體預(yù)測的正在擴(kuò)張趨勢過大;基于多元主體視角空間法則是預(yù)測的正在擴(kuò)張趨勢過小,二者均與實(shí)際表達(dá)不一致。主要原因就是:傳統(tǒng)算法沒有考慮到外界風(fēng)力、風(fēng)向、暴雨以及大雪等天氣因素導(dǎo)致的噪聲問題,噪聲值會(huì)干擾算法對(duì)下一時(shí)刻擴(kuò)張目標(biāo)的判斷,增加預(yù)測誤差使得結(jié)果不理想。

5.3 林地、耕地、水域覆蓋面積擴(kuò)張趨勢預(yù)測對(duì)比

三種方法對(duì)于林地、耕地以及水域覆蓋面積擴(kuò)張趨勢預(yù)測精度如圖2～4所示。

圖2 林地?cái)U(kuò)張面積預(yù)測對(duì)比曲線

從圖2和圖3中可以看出,林地和耕地預(yù)測結(jié)果,本文預(yù)測曲線的波動(dòng)趨勢及數(shù)值變化均與實(shí)測曲線基本保持一致,而另外兩種方法曲線變動(dòng)幅度與實(shí)測表達(dá)不相符,差異較大。由于林地和耕地面積屬于一種肉眼可清晰觀測到的實(shí)質(zhì)性擴(kuò)張指標(biāo),變動(dòng)的幅度會(huì)相對(duì)明顯一些,通過擴(kuò)張的橫向范圍就可實(shí)現(xiàn)預(yù)測效果的準(zhǔn)確判定。

圖3 耕地?cái)U(kuò)張面積預(yù)測對(duì)比曲線

由圖4可知,相比于林地及耕地的預(yù)測結(jié)果,三者均出現(xiàn)了不同程度的誤差,但相比之下,本文依然是其中與實(shí)測曲線貼合度最高的。之所以出現(xiàn)小幅度的誤差是因?yàn)?水域指標(biāo)具有一定的不確定因素,天氣、溫度、濕度、光照等因素都會(huì)引起水域面積的變化,并且自然災(zāi)害屬于直接影響因素是無法避免的,機(jī)器及人工都難以做到百分百判定,所以,水域變化預(yù)測存在較小誤差是可以接受的。

5.4 整體擴(kuò)張方向預(yù)測對(duì)比分析

城市邊緣空間擴(kuò)張方向也是趨勢預(yù)測的一項(xiàng)重要指標(biāo),基于該指標(biāo)三種方法的預(yù)測結(jié)果如圖5所示。

圖5 整體擴(kuò)張方向預(yù)測結(jié)果

從圖5中可以看出,本文預(yù)測結(jié)果和實(shí)測結(jié)果都偏向于東南方向,另外兩種方法則是均偏向于西北方向。由于擴(kuò)張方向?qū)儆谝环N線性判定指標(biāo),一旦預(yù)測前期判斷錯(cuò)誤,后續(xù)就很難扭轉(zhuǎn)預(yù)測方向。二者算法由于前期預(yù)測目標(biāo)定位不準(zhǔn)確,導(dǎo)致整體的預(yù)測方向都跟隨線性發(fā)展。綜合結(jié)果判定,本文方法的預(yù)測精準(zhǔn)度最高、性能表現(xiàn)最強(qiáng),應(yīng)用價(jià)值較高。另外兩種方法預(yù)測失誤還有一個(gè)原因就是:二者算法的預(yù)測重心主要著重于面積、距離、路徑以及深度這些顯現(xiàn)指標(biāo)上,對(duì)于擴(kuò)張方向這種虛擬性較強(qiáng)的參數(shù)不具備一定的勘測能力,受外界誤差影響過大且算法抗干擾能力差,受到風(fēng)向、風(fēng)力、暴雨、雷電以及大雪這些不定時(shí)的自然因素影響時(shí),預(yù)測誤差過大。

6 結(jié)論

本文利用RS與GIS技術(shù)對(duì)數(shù)據(jù)捕捉的準(zhǔn)確率高,覆蓋率大,數(shù)據(jù)儲(chǔ)存量高的特點(diǎn),并根據(jù)數(shù)據(jù)之間的時(shí)序關(guān)系對(duì)其進(jìn)行去噪處理。通過城市的地形結(jié)構(gòu)特點(diǎn),得出城市邊緣位置的信息熵值,對(duì)邊緣區(qū)域?qū)崿F(xiàn)精準(zhǔn)劃分,最終,在建立的預(yù)測空間內(nèi)完成高效預(yù)測。本文方法對(duì)邊緣數(shù)據(jù)的特征分析能力較強(qiáng),預(yù)測過程邏輯表達(dá)清晰,算法直觀、簡便、易實(shí)施,數(shù)據(jù)量耗用小。仿真結(jié)果表明,無論是從擴(kuò)張的面積還是擴(kuò)張的方向指標(biāo)來看,本文預(yù)測算法表現(xiàn)結(jié)果最為優(yōu)異,可行性和實(shí)用能力強(qiáng)。結(jié)合城市中心的發(fā)展概念,給出具體的擴(kuò)張方向、擴(kuò)張面積、擴(kuò)張維度等實(shí)質(zhì)指標(biāo)及人口數(shù)量、GDP增長等虛擬指標(biāo)是下一步的預(yù)測方向。